Fundamentos técnicos: deja que la IA lea tu sitio

Comprobación 1

¿Qué rastreadores de IA debes permitir en robots.txt?

Permite los rastreadores de búsqueda: OAI-SearchBot para la búsqueda de ChatGPT, PerplexityBot para Perplexity, además de Googlebot y Bingbot. Bloquear rastreadores de entrenamiento como GPTBot es una decisión aparte.

robots.txt es un pequeño archivo de texto en la raíz de tu sitio que indica a los rastreadores qué páginas pueden acceder (Google Search Central, Introducción a robots.txt). Las empresas de IA usan varios rastreadores, y no cumplen la misma función:

“Los sitios que se excluyen de OAI-SearchBot no aparecerán en las respuestas de búsqueda de ChatGPT, aunque pueden seguir apareciendo como enlaces de navegación.”

Un punto de partida seguro para la mayoría de sitios es este (adapta las líneas Disallow a tus páginas privadas):

User-agent: OAI-SearchBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: *
Disallow: /admin/

Sitemap: https://www.yoursite.com/sitemap.xml

Fuentes: OpenAI, resumen de los rastreadores de OpenAI, Perplexity, rastreadores de Perplexity, Google Search Central, rastreadores comunes de Google (Google-Extended). Comprueba tu archivo actual en segundos con el verificador de rastreadores de IA gratuito.

Atención. Algunas configuraciones de seguridad y CDN bloquean los bots de IA sin tocar robots.txt. Si un comprobador indica que un bot está bloqueado y tu robots.txt lo permite, revisa tu firewall o la configuración de bots de tu CDN.

Comprobación 2

¿Tu contenido está en el HTML, o solo en JavaScript?

Los rastreadores de IA leen el HTML que envía tu servidor. Si tu texto solo aparece después de que se ejecute JavaScript en un navegador, la mayoría ve una página vacía.

«Los resultados muestran sistemáticamente que ninguno de los principales rastreadores de IA renderiza JavaScript actualmente.»

En ese mismo análisis de su red, GPTBot hizo 569 millones de solicitudes en un mes y Claude 370 millones, alrededor del 20% de los 4.500 millones de Googlebot (Vercel, El auge del rastreador de IA (17 de diciembre de 2024)). Estos bots importan, y leen HTML puro.

1. Abre una de tus páginas clave, haz clic derecho y elige Ver código fuente (no Inspeccionar).
2. Busca en el código fuente una frase del medio de la página.
3. Si no la encuentras, tu contenido se añade con JavaScript. Pide a tu desarrollador renderizado en el servidor o páginas estáticas. O usa el inspector de URL para rastreadores de IA gratuito, que muestra lo que recibe GPTBot.

Comprobación 3

¿Están tus páginas indexadas en Google y Bing?

AI Overviews y AI Mode solo muestran páginas que Google ha indexado, y Bing usa su propio índice de búsqueda. Estar indexado es la entrada mínima, no un extra.

Google indica que una página debe estar indexada y ser apta para mostrarse con un fragmento para aparecer como enlace de apoyo en AI Overviews o AI Mode (Google Search Central, Funciones de IA y tu sitio web). Envía un sitemap, corrige las páginas marcadas como excluidas y asegúrate de que ninguna página que quieras ver citada tenga la etiqueta noindex.

Conecta ambas consolas a tu sitio, y luego a Howseen: lección 4.2 para Google Search Console y lección 4.3 para Bing Webmaster Tools.

Comprobación 4

¿Qué datos estructurados deberías añadir?

Añade Organization en tu página de inicio, FAQPage donde tengas preguntas frecuentes, y Article en tus guías. Los datos estructurados exponen hechos en un formato que las máquinas leen sin tener que adivinar.

«Los datos estructurados son un formato estandarizado para proporcionar información sobre una página y clasificar su contenido.»

Google usa los datos estructurados para entender el contenido de una página y las personas y empresas que menciona (Google Search Central, Introducción a los datos estructurados). Para el GEO, lo útil es la claridad: tu nombre, lo que vendes, tus preguntas y respuestas, escritas en un formato estándar. Genera el código gratis con el generador de schema.

Comprobación 5

¿Deberías añadir un archivo llms.txt?

Sí, como higiene barata, no como palanca de posicionamiento. llms.txt es una propuesta de archivo simple que indica a los agentes de IA cuáles son tus páginas más útiles.

La idea de llms.txt se describe en llmstxt.org, The /llms.txt file como una propuesta para ayudar a los agentes a usar un sitio web. Lleva diez minutos, no hace ningún daño y te obliga a listar tus páginas clave. No esperes que por sí solo cambie tu visibilidad. Crea uno con el generador de llms.txt gratuito.

Comprobación 6

¿Qué fundamentos de página siguen contando?

Un título claro, una meta descripción, un H1, una etiqueta canonical, una página de contacto y respuestas rápidas. Ayudan tanto a Google como a la IA a leer tu página correctamente.

• Un título que diga de qué trata la página, y una meta descripción que diga qué haces y para quién.
• Exactamente un H1 cerca del inicio, con palabras claras.
• Una etiqueta canonical que apunte a la dirección preferida de la página.
• Páginas de confianza visibles: contacto, política de reembolso o devolución, privacidad. Muestran a las personas y a las máquinas que hay un negocio real y localizable detrás del sitio.
• Una respuesta rápida del servidor, para que los rastreadores no abandonen páginas grandes.

En Howseen

¿Cómo comprueba esto Howseen por ti?

La página de Auditoría Técnica revisa tu página de inicio en busca de estos bloqueos, asigna a cada problema una prioridad y la solución exacta, y alimenta la palanca Técnica de tu puntuación GEO.

1. Abre Auditoría Técnica en el menú izquierdo, en Optimizar.
2. Lee la Puntuación de salud y la lista de Problemas detectados. Cada problema tiene una prioridad, los puntos que puedes ganar y una línea Cómo solucionarlo:.
3. Soluciona primero los problemas de alta prioridad: noindex, contenido que requiere JavaScript, rastreadores de IA bloqueados en robots.txt.
4. Haz clic en Volver a ejecutar tras tus cambios para confirmar que los bloqueos han desaparecido.

La auditoría está incluida en todos los planes, incluido Starter.